随着我国经济飞速发展,汽车作为一种便利性极高的交通工具正在逐渐走入千家万户中,随之而来的是日益增多的交通事故,为了提高行车的安全性,汽车高级辅助驾驶（Advanced Driving Assistance System,ADAS）系统应运而生,其核心是利用各种车载传感器感知行车环境,从而为驾驶者和汽车系统进行相应的决策和控制提供基础,其中,车辆检测技术是环境感知中的重要技术之一。毫米波雷达和摄像头是ADAS系统常见的用于感知环境的两种传感器,毫米波雷达良好的环境适应性,穿透能力强,能够准确地探测到目标的速度、方位、距离等信息。但是其受限于工作原理,探测噪声大,杂波干扰数据过多,并且无法获取目标的几何与类别信息。视觉传感器的成本低,能获取的数据信息量丰富,被广泛用于目标的识别分类,但是易受光照、天气等环境因素影响。因此,如果能对毫米波雷达信息与视觉信息进行融合,就可以将两者的优势结合,达到提高车辆检测的准确性、实时性的目的。本文主要研究内容如下:1)雷达数据预处理,实现有效目标的确定。基于毫米波雷达探测到的目标信息特征分析,对干扰目标进行分类,然后采取相应的方法滤除这些干扰目标。2)基于图像特征的车辆检测。采用一种基于车底阴影特征和车辆对称性特征结合的方法进行车辆检测。首先,对图像进行灰度化和图像分割预处理,然后对图像进行形态学操作确定图像感兴趣区域（ROI,Region of Interest）,最后采用车辆对称性特征的方式进行车辆存在性验证。3)基于机器视觉的车辆检测。针对基于图像特征车辆检测的不足,选取一种基于Adaboost算法+Haar-like特征的方式训练得到Haar分类器用于车辆检测,采用Opencv+VS2019进行实现。4)进行毫米波雷达与视觉信息的融合。通过空间坐标系转换和传感器时间同步将雷达信息投影到图像中生成图像感兴趣区域,并采用基于图像特征与机器视觉结合方式同步进行车辆检测,然后将二者生成的图像ROI进行信息关联,从而实现基于毫米波雷达与视觉信息的融合的车辆检测。经实验验证,在光线条件良好、视野清晰的条件下,本文提出的方法能有效检测出前方车辆,并具备较高的实时性和准确性,为ADAS系统实现车辆道路交通环境感知提供关键信息。